آکادمی ربات های انسان نما در شانگهای آغاز به کار کرد

کلاسی را تصور کنید که دانش‌آموزانش هرگز نمی‌خوابند، هرگز فراموش نمی‌کنند و یک حرکت را صدها بار تکرار می‌کنند تا به غریزه تبدیل شود. چنین کلاسی اکنون در شانگهای وجود دارد و شاگردانش بیشتر از جنس فلز هستند تا گوشت و پوست.

در محوطه‌ای ۵٬۰۰۰ مترمربعی در ژانگ‌جیانگ، آکادمی تازه‌ای به‌زودی میزبان بیش از ۱۰۰ ربات انسان‌نما از چندین تولیدکننده خواهد بود. هدف ساده اما بلندپروازانه است: تبدیل نمونه‌های اولیه به همکاران قابل اعتماد برای بیمارستان‌ها، هتل‌ها، مزارع و کارخانه‌ها.

تمرین عملی در مقیاس ماشینی

مربیان این مرکز، توانمندی ربات‌ها را به ۴۵ مهارت اصلی تقسیم کرده‌اند. برداشتن اشیا. جابه‌جا کردن آن‌ها. چیدن قطعات به ترتیب. هر مهارت با تکرار بی‌وقفه آموزش داده می‌شود. زیر نظر متخصصان، یک ربات می‌تواند در یک روز تا ۶۰۰ بار یک حرکت هدفمند را انجام دهد. پشت این تمرین سخت، علم دقیقی قرار دارد: هر چرخه، ردپاهای دقیق حرکتی، نشانگرهای زمانی و داده‌های حسگرها را تولید می‌کند که خوراک درس بعدی می‌شود.

نتیجه فقط نرم‌تر شدن عملکرد سرووموتورها نیست. این تمرین‌ها جریان عظیمی از داده‌های رفتاری ایجاد می‌کنند. مهندسان انتظار دارند این مرکز روزانه حدود ۵۰٬۰۰۰ نقطه داده تولید کند. این داده‌ها پاک‌سازی، برچسب‌گذاری و تجمیع می‌شوند تا یک منبع یادگیری مشترک شکل بگیرد که به بهبود سریع‌تر مدل‌ها و برندهای مختلف ربات کمک می‌کند.

اشتراک‌گذاری داده‌ها، عنصر پنهان و کلیدی این پلتفرم به شمار می‌رود. مدیران مرکز می‌گویند باز کردن مجموعه‌داده‌های حرکتی در مقیاس بزرگ به ماشین‌های متفاوت اجازه می‌دهد از یکدیگر یاد بگیرند، مسیر توسعه کوتاه‌تر شود و ایمنی در کارهای واقعی روزمره افزایش یابد. ایده کاملا عمل‌گرایانه است: ربات‌هایی که روی یک پایه مشترک آموزش می‌بینند، هنگام ورود به محیط‌های انسانی نامنظم، سریع‌تر سازگار می‌شوند.

لایه‌ای از قضاوت و تصمیم‌گیری نیز در حال توسعه است. این آکادمی فقط الگوهای حرکتی را آموزش نمی‌دهد. مربیان ربات‌ها را وادار می‌کنند که چند عمل را به هم متصل کنند، تصمیم بگیرند چه زمانی یک توالی را آغاز کنند و چه زمانی مکث داشته باشند. این قابلیت‌ها در اتاق‌های درمان که زمان‌بندی حیاتی است، در محیط‌های خدماتی که زمینه به‌سرعت تغییر می‌کند و در مزارعی که موانع غیرمنتظره زیاد ظاهر می‌شوند، اهمیت زیادی دارد.

چرا اینجا؟ خوشه فناوری ژانگ‌جیانگ به سازندگان سخت‌افزار، آزمایشگاه‌های پژوهشی و شرکت‌های خدماتی نزدیک است؛ زیست‌بومی که می‌تواند ربات‌ها را در سناریوهای گوناگون محک بزند. تولیدکنندگان، گونه‌های بدنی و پشته‌های نرم‌افزاری متفاوتی را به آکادمی می‌فرستند تا مجموعه‌داده مشترک، دامنه وسیعی از تفاوت‌های طراحی را پوشش دهد. همین تنوع باعث می‌شود «مغز ابری» نهایی عمومی‌تر و کاربردی‌تر باشد.

در این میان، جنبه انسانی ماجرا هم مهم است. متخصصان، مهندسان حرکت و بازرسان ایمنی در کنار ماشین‌ها روی زمین کار می‌کنند. آن‌ها خطاها را حاشیه‌نویسی می‌کنند، پارامترهای گرفتن اشیا را تنظیم می‌کنند و پروفایل‌های حرکتی را بهینه می‌سازند. ربات‌ها از تکرار خام یاد می‌گیرند؛ انسان‌ها ظرافت را به آن‌ها می‌آموزند.

آنچه در ادامه رخ می‌دهد، می‌تواند سرعت عبور ربات‌های انسان‌نما از کنجکاوی‌های آزمایشگاهی به دستیاران روزمره را دگرگون کند. اگر مدل مشترک موفق شود، عرضه سریع‌تر، غافلگیری کمتر در محیط واقعی و ربات‌هایی را خواهیم دید که برای هر وظیفه تازه به تنظیم اختصاصی کمتری نیاز دارند. این آکادمی آزمایشی در مقیاس بزرگ است؛ آموزشی نه فقط برای ماشین‌ها، بلکه برای رویکردی صنعتی به هوش مشترک.